英國競爭與市場管理局（CMA）裁定，谷歌必須允許網站所有者將其內容排除在AI搜索功能（如AI概述）之外，並防止用於AI模型微調。出版商將獲得更多控制權和談判籌碼。

Cognizant首席執行官Ravi Kumar S.表示，AI不會扼殺入門級工作，並批評許多公司痴迷於代幣消耗作為生產力指標，認為這是錯誤的衡量方式。該公司去年招聘了2萬多名應屆畢業生，並計劃在2026年增加招聘。

NVIDIA推出了Cosmos 3系列開放全模態世界模型，通過雙塔混合變換器架構統一物理推理、世界生成和動作生成。該模型家族包括Edge、Nano和Super三種規模，為機器人、自動駕駛和倉庫監控等物理AI應用提供統一解決方案。NVIDIA開源了模型權重、訓練腳本、部署工具和數據集，採用OpenMDW-1.1許可證。在多項基準測試中，Cosmos 3在推理和生成任務上均取得領先成績。

DigitalOcean 宣佈成為 OpenRouter 的模型提供商，提供 DeepSeek V3.2、Kimi K2.6 和 DeepSeek V4 Flash 模型。此舉表明該公司正從雲基礎設施擴展到 AI 推理領域。

英國競爭與市場管理局（CMA）宣佈，英國在線出版商可選擇不顯示在谷歌搜索的AI摘要中。該措施旨在增強出版商與谷歌談判內容交易的籌碼。此前，許多網站因谷歌在搜索結果頂部放置AI摘要而導致流量大幅下降。谷歌將在英國率先測試新功能，隨後全球推廣。CMA要求谷歌在AI搜索結果中適當標註出版商內容並提供清晰鏈接。

作者認為，隨着通用AI模型（如LLM）的不斷發展，AI工程師比普通軟件開發人員更有可能被AI取代。文章解釋了“AI工程師”這一模糊頭銜的背後是多種不同的AI領域，而通用模型的進步將使得定製化AI解決方案成為奢侈品，大多數公司將依賴現成的通用模型。

Topaz社區發佈警告，提醒用户不要移動默認應用程序文件夾，以防止文件路徑問題導致的嚴重風險。

俄勒岡州立大學的研究表明，在人工智能系統中加入設計摩擦，例如提示用户考慮能源消耗，可以減少不必要的AI使用。基於行動的設計摩擦（要求用户搜索現有資源）能有效促進生態責任行為，而基於提示的信息僅增加了信任。隨着AI能源消耗日益增長，此類干預措施至關重要。

Composer 是一款實時多人在線 Markdown 編輯器，支持人類和 AI 代理在同一文檔上協同編輯、評論和提出建議。通過模型上下文協議（MCP），AI 代理可以作為真正的協作者加入，直接與人類團隊一起工作，解決了當前代理工作流中常見的協作難題。

2026年北美世界盃將採用前所未有的轉播技術，包括蜘蛛攝像機、裁判隨身攝像頭、AI輔助VAR，以及與TikTok和YouTube的合作，以吸引全球觀眾。

BridgeToAgent推出了一款MCP連接器，允許AI助手檢查商店對AI代理的優化程度，並模擬代理購物體驗。

英國競爭監管機構宣佈，出版商將能夠選擇不讓其內容用於訓練谷歌的AI模型或為其搜索摘要提供支持。

本課程介紹數據驅動AI（Data-Centric AI），這是一門新興學科，專注於系統性地改進數據集以提升機器學習性能，涵蓋標籤錯誤檢測、類別不平衡和數據整理等技術。這是該領域的首門課程，於2024年MIT IAP期間開設，包含Python實踐練習。

英偉達發佈Groq 3語言處理單元（LPU），專為AI推理設計，採用SRAM內存架構實現極低延遲。該芯片基於從Groq公司授權的技術，與Vera Rubin GPU配合使用，通過推理分離技術優化性能，標誌着AI推理市場進入新階段。

作者嘗試構建一個由多個AI代理組成的情報分析團隊，以自動化應用結構化分析技術（SAT），但最終發現無法實現。測試表明，AI代理在處理中國對台網絡行動等實際問題時，存在提問冗餘、收集計劃偏差、分析循環無效等問題。結論是，當前AI無法取代人類進行嚴謹的情報分析。

Vim Classic 發佈了首個穩定版本 8.3.0，這是一個完全不含大語言模型生成代碼的 Vim 分支。

伊朗裔英國導演Ash Koosha利用人工智能在短短幾周內製作了一部關於伊朗反政府抗議的劇情片《紫羅蘭之夢》，該片將在翠貝卡電影節首映，成為首部在主要電影節展映的AI電影。導演稱這可能改變獨立電影製作。

本文提出一種基於Loewner序下界的矩陣值可容許啓發式方法，在黎曼流形上進行直接知情采樣，通過保留度量張量的方向結構生成更緊緻的知情集，加速機器人運動規劃。在多種操作任務上的實驗表明，該方法優於傳統的歐幾里得和標量特徵值界限，能更快地收斂到最優解。

研究人員開發了一種用於水培生菜的數字孿生系統，結合傳感器和神經網絡，實現個體植物的生長軌跡追蹤和產量預測。系統使用RGB-D圖像訓練神經網絡，質量估算誤差在1.5克以內，未來1-4天的產量預測誤差約2克。

本文提出一種自監督的混合自適應卡爾曼濾波器，通過學習系統動態和過程噪聲協方差的結構化校正，在保持概率結構的同時提升估計精度和統計一致性，並利用創新似然進行模型分類。實驗表明該方法在低數據和大數據場景下均表現魯棒。

本文提出SeeTraceAct，一種基於單次演示視頻的視覺語言動作模型（VLA）框架，通過可見性感知的末端執行器軌跡預測實現精確空間定位。實驗表明，該方法在RoboCasa-DC基準和真實世界任務中優於基線，將平均成功率提升12.5個百分點。

本文提出了一種用於多旋翼無人機在移動平台上動態着陸的估計與控制框架，集成了非線性模型預測控制與實時最小加加速度軌跡規劃器，強制規定觸地時間，實現終端下降階段的一致定時。採用自適應無跡卡爾曼濾波在線更新過程與測量噪聲統計，增強對時變傳感質量的魯棒性。仿真與硬件實驗表明，該方法能實現可重複着陸，並相比EKF/UKF方法提高了平台速度預測精度。

CARVE是一種無預測的證書層，用於交互式駕駛中，當硬規則邊界為負時，通過識別多智能體編輯來修復被否決的機動。它在589個INTERACTION回放片段上接受了98.64%的被否決機動，並恢復了370/378個人類假否決，同時保持零優先級代理誤報和400/400的負應力否決。CARVE不依賴預測，而是證明交互的有界性、可歸因性和規範性。

本文指出，雖然 sim2real 對策略遷移到硬件至關重要，但過度依賴會導致激勵偏差、模擬器鎖定和策略探索不足。作者提出一種新的 sim2sim2real 範式，以機器人運動學為唯一設計約束，作為潛在解決方案。

本文提出一個自動化代理驅動流水線，直接從私有放射學報告和3D腫瘤學影像生成多項選擇VQA數據集，產生兩種互補問題類型：RADS風格問題和放射學報告推導問題。在四個內部癌症隊列上進行零樣本評估，發現沒有主導模型且所有單元存在巨大改進空間。盲法消融顯示視覺依賴高度特定於數據集：肝臟報告推導問題確實需要圖像，而肺CT即使沒有圖像也基本可解——領先的閉源模型在盲法下超過了其有視覺時的準確率。流水線作為開放代理技能發佈。

英偉達發佈Cosmos 3，一個全模態世界模型系列，採用混合Transformer架構統一處理語言、圖像、視頻、音頻和動作序列。該模型在多項理解和生成任務上達到最先進水平，被Artificial Analysis評為最佳開源文生圖和圖生視頻模型，被RoboArena評為最佳策略模型。代碼、模型權重和數據集已開源。

人-物交互（HOI）識別在複雜教育環境中自動分析學生行為至關重要。雖然最先進的HOI檢測器在基準數據集上表現良好，但在真實訓練環境中因領域特定物體、遮擋和複雜視覺條件而性能下降。本文提出一個診斷驅動框架，結合三元組級HOI錯誤分類和誤差因素歸因分析，應用於重症監護空運團隊（CCATT）混合現實醫學訓練。通過分析HOI失敗模式及其原因，開發了診斷導向的優化策略，將預訓練CDN模型的宏F1分數從48.6提升至90.2。結果突顯了詳細診斷分析在指導HOI模型針對性適應中的價值。

GeoDrive-Bench是一個新的基準測試，用於評估視覺語言模型在不同地區交通規則下的自動駕駛推理能力。它包含來自六個國家的5053個經過人工驗證的多選題，涵蓋感知、預測、規劃和區域推理四個任務。此外，論文提出了一種蒸餾算法，將區域特定的交通規則知識注入模型內部表徵，實驗表明當前VLM缺乏穩健的區域感知智能，而基線方法展現了改進的跨區域推理能力。

該研究評估了隨機森林與四種CNN（ResNet-50、ResNet-101、EfficientNet-B4、ConvNeXt-Large）在Sentinel-2影像上0-20米深度範圍內的可遷移衞星測深表現。通過保持空間連續性（連續礁塊而非隨機斑塊）和引入平滑權重函數（SWF）加權RMSE損失，實現了內區域RMSE低至0.26米（淺水區），跨區域RMSE在2.46-2.98米之間。在MagicBathyNet基準上，所提網絡以更少參數達到0.19-0.22米RMSE，優於U-Net和專用Transformer。多時相重複影像可降低噪聲，且已發佈優化架構與預訓練權重以促進新站點遷移。

MetaWorld是一個新穎的框架，旨在從單視角視頻中擴展多智能體視頻世界模型，以應對數據稀缺和世界狀態對齊的挑戰。它通過單目世界狀態展開（MWSU）分解相機運動和主體軌跡，利用主題感知世界生成器進行外觀驅動模擬，並通過世界狀態對齊（WSA）確保跨視圖一致性。實驗顯示其優越的跨視圖一致性和身份保真度。